CN103533629B - 一种基于粒子群优化的异构网络干扰协调方法 - Google Patents

Abstract

本发明是一种无线通信系统中基于粒子群优化的异构网络下行链路干扰协调方法。该方法将异构网络中微微站的发送功率与粒子群优化中的粒子位置相联系，利用粒子群优化联合调整微微站的发送功率，避免微微站以最大功率发送对宏站、邻居微微站构成严重干扰，影响系统性能。方法通过限制粒子群优化中惯性权重及加速系数的取值范围保证寻优过程收敛，并通过多次初始化发送功率集合保证微微站发送功率最优，考虑了服务小区灵活、发送功率动态变化、最大发送功率受限等系统实际限制条件，能够同时避免同层及跨层干扰，在保证子载波分配自由度不受影响的同时提高系统频谱效率，获得系统总体吞吐量的极大提升。

Description

一种基于粒子群优化的异构网络干扰协调方法

技术领域

本发明属于移动通信中的无线资源管理技术领域，具体涉及一种无线通信系统中基于粒子群优化的异构网络下行链路干扰协调方法。

背景技术

随着无线业务需求的不断增长，3GPP LTE-A(Long Term Evolution-Advanced)提出一种在宏站覆盖范围内部署微微站、毫微微站、中继等低功率小站的异构网络。虽然部署低功率小站能够提高系统容量及覆盖能力，但同时也带来了严重的干扰问题，使网络性能的提升受到限制。此外，这种网络性能提升与干扰问题之间的冲突，在业界认为极具前途的超密集部署低功率小站场景中，会随小站密度的增加进一步增强。因此小区间干扰是异构网络，尤其是密集部署低功率小站的异构网络最先需要解决的问题。现有的干扰协调方案中，一部分仅考虑同类型基站间同层干扰或不同类型基站间跨层干扰，另一部分虽然同时考虑同层及跨层干扰，但其方案存在频谱效率、子载波分配自由度下降，忽略系统实际限制条件等问题。因此本发明提出一种新的基于粒子群优化的异构网络干扰协调方法，该方法考虑系统实际限制条件，能够通过联合调整微微站的发送功率协调同层及跨层干扰，并在不影响子载波分配自由度的同时提高系统频谱效率，获得系统总体吞吐量的极大提升。

发明内容

本发明的目的是在考虑系统实际限制条件的情况下提出一种基于粒子群优化的异构网络下行链路干扰协调方法，通过调整微微站的发送功率解决异构网中的同层及跨层小区间干扰协调问题，在不影响子载波分配自由度的条件下提高频谱效率，最大化系统总体吞吐量。

本发明提出的基于粒子群优化的异构网络干扰协调方法，包括如下步骤：

初始化网络构成和参数：假设有β个宏站、ρ个微微站及U个用户参与干扰协调，站点集合记为C＝{C_m,C_p}。宏站集合C_m＝{m₁,m₂,...,m_β}，发送功率均为P_m。微微站集合C_p＝{p₁,p₂,...,p_ρ}，其发送功率可调，最大发送功率限制为迭代次数和重新初始化次数分别记为t、s，最大迭代次数和最大重新初始化次数分别为t_iter、t_res，当前迭代次数t＝0，重新初始化次数s＝0。

第一步：设置多种微微站候选发送功率集合和功率调整尺度集合。随机初始化N种微微站候选发送功率集合Pⁱ(t)(i＝1,2,...,N)及功率调整尺度集合Sⁱ(t)(i＝1,2,...,N)，其中每个候选发送功率集合和功率调整尺度集合包含ρ个微微站的候选发送功率和功率调整尺度，即 微微站的候选发送功率和功率调整尺度需满足

第二步：计算各候选功率集合对应的系统吞吐量。针对当前每个候选功率集合Pⁱ(t)，用户u(u∈U)计算其接收到的来自各个站点的参考信号接收功率RSRP_u,c(u∈U,c∈C)，选择RSRP最大的小区作为其服务小区，记为C_u，并利用其与各站点间信道增益G_u,c、占用带宽W_u和噪声功率N₀，计算其在每个候选功率集合下的可达速率进而计算得到每个候选功率集合对应的系统吞吐量T(Pⁱ(t))，

第三步：记录自身和全局最优发送功率集合。若t＝0，将当前各发送功率集合作为自身最优集合，记为P_s ⁱ(0)，P_s ⁱ(0)＝Pⁱ(0)，比较上一步得到的所有候选集合对应的吞吐量，将吞吐量最大的集合作为当前全局最优集合，记为P_g(0)，若t≠0，将上一步得到的各集合系统吞吐量与上一次迭代自身及全局最优吞吐量做比较，若对T(Pⁱ(t))＞T(P_s ⁱ(t-1))，则更新自身最优功率集合P_s ⁱ(t)＝Pⁱ(t)，否则P_s ⁱ(t)＝P_s ⁱ(t-1)；若maxT(P_s ⁱ(t))＞T(P_g(t-1))，则更新全局最优功率集合否则P_g(t)＝P_g(t-1)。由于P_s ⁱ(t)以及P_g(t)是由Pⁱ(t)替换得到，因此T(P_s ⁱ(t))以及T(P_g(t))可由吞吐量计算公式(1)得到。

第四步：更新迭代次数t＝t+1。

第五步：更新功率调整尺度和候选发送功率集合。计算新的功率调整尺度集合Sⁱ(t)和候选发送功率集合Pⁱ(t)，

Pⁱ(t)＝Pⁱ(t-1)+Sⁱ(t) (3)

其中r₁、r₂为[0,1]区间内的随机数，为保证寻优过程的收敛性，限制惯性权重ω及加速系数c₁、c₂的取值范围：

第六步：判断迭代结束条件。若t＜t_iter，且所有候选功率集合与全局最优功率集合间的距离之和大于门限值ε，则回到第二步，计算各更新的候选功率集合对应的系统吞吐量并更新自身及全局最优发送功率集合；否则，进行第七步。

第七步：判断重新初始化结束条件。若s＜t_res，设置重新初始化次数s＝s+1，t＝0，重新初始化N-1种候选发送功率集合，与当前全局最优功率集合一起作为新的N种候选发送功率集合，并重新初始化N种功率调整制度，回到第二步，计算各新的候选集合对应的系统吞吐量并更新自身及全局最优发送功率集合；否则，进行第八步。

第八步：停止，按照得到的全局最优发送功率集合设置各微微站的发送功率。

本发明与现有技术相比，具有以下优点：

通过微微站的联合功率调整避免小区间干扰，可以在不影响子载波分配自由度、不损失资源利用率的基础上获得频谱效率和系统吞吐量的提升。通过小区间协作方式进行，并考虑服务小区灵活、发送功率动态变化等实际限制条件，可以在实际应用中保证获得的微微站发送功率解的可靠性。限制惯性权重ω、加速系数c₁、c₂的范围并多次重新初始化候选集合，从理论上保证微微站发送功率和系统总体吞吐量的全局最优性。

附图说明

图1为本发明的基于粒子群优化的异构网络干扰协调方法完整流程。

具体实施方式

本发明的基于载波聚合的异构网络干扰协调方法。

以LTE-A系统为例来给出一种实施例：

如图1所示，该异构网络干扰协调方法包括如下步骤：

初始化网络构成和参数：假设有β个宏站、ρ个微微站及U个用户参与干扰协调，初始化站点集合C＝{C_m,C_p}，其中宏站集合C_m＝{m₁,m₂,...,m_β}，发送功率均为P_m，微微站集合C_p＝{p₁,p₂,...,p_ρ}，其发送功率可调，最大发送功率限制为初始化当前迭代次数t＝0，重新初始化次数s＝0，最大迭代和重新初始化次数分别为t_iter、t_res。

第一步：设置多种微微站候选发送功率集合和功率调整尺度集合。随机初始化N种微微站候选发送功率集合Pⁱ(t)(i＝1,2,...,N)及功率调整尺度集合Sⁱ(t)(i＝1,2,...,N)，其中每个候选发送功率集合和功率调整尺度集合包含ρ个微微站的候选发送功率和功率调整尺度，即 微微站的候选发送功率和功率调整尺度需满足

第二步：计算各候选功率集合对应的系统吞吐量。用户u(u∈U)针对当前每个候选功率集合Pⁱ(t)计算其接收到的来自各个站点的参考信号接收功率RSRP_u,c(u∈U,c∈C)，选择RSRP最大的小区作为其服务小区，记为C_u，并利用其与各站点间信道增益G_u,c、占用带宽W_u和噪声功率N₀，计算其在各候选功率集合Pⁱ(t)下的可达速率进而计算得到各候选功率集合Pⁱ(t)对应的系统吞吐量T(Pⁱ(t))，

第三步：记录自身和全局最优发送功率集合。若t＝0，将当前各发送功率集合作为自身最优集合，记为P_s ⁱ(0)，P_s ⁱ(0)＝Pⁱ(0)，比较上一步得到的所有候选集合对应的吞吐量，将吞吐量最大的集合作为当前全局最优集合，记为P_g(0)，若t≠0，将上一步得到的各集合系统吞吐量与上一次迭代自身及全局最优吞吐量做比较，若对T(Pⁱ(t))＞T(P_s ⁱ(t-1))，则更新自身最优功率集合P_s ⁱ(t)＝Pⁱ(t)，否则P_s ⁱ(t)＝P_s ⁱ(t-1)；若maxT(P_s ⁱ(t))＞T(P_g(t-1))，则更新全局最优功率集合否则P_g(t)＝P_g(t-1)。由于P_s ⁱ(t)以及P_g(t)是由Pⁱ(t)替换得到，因此T(P_s ⁱ(t))以及T(P_g(t))可由吞吐量计算公式(1)得到。

第四步：更新迭代次数t＝t+1。

第五步：更新功率调整尺度和候选发送功率集合。根据下式计算新的功率调整尺度集合Sⁱ(t)和候选发送功率集合Pⁱ(t)，

Pⁱ(t)＝Pⁱ(t-1)+Sⁱ(t) (3)

其中r₁、r₂为[0,1]区间内的随机数，惯性权重ω及加速系数c₁、c₂的取值范围为

第六步：判断迭代结束条件。若t＜t_iter，且所有候选功率集合与全局最优功率集合间的距离之和大于门限值ε，则回到第二步，计算各更新的候选功率集合对应的系统吞吐量并更新自身及全局最优发送功率集合；否则，进行第七步。

第七步：判断重新初始化结束条件。若s＜t_res，设置重新初始化次数s＝s+1，t＝0，重新初始化N-1种候选发送功率集合，与当前全局最优功率集合一起作为新的N种候选发送功率集合，并重新初始化N种功率调整尺度，回到第二步，计算各新的候选集合对应的系统吞吐量并更新自身及全局最优发送功率集合；否则，进行第八步。

第八步：停止，按照最终得到的全局最优发送功率集合设置各微微站的发送功率。

Claims (1)

1.一种基于粒子群优化的异构网络干扰协调方法，其特征在于，该方法包括以下步骤：

初始化网络构成和参数：假设有β个宏站、ρ个微微站及U个用户参与干扰协调，站点集合记为C＝{C_m,C_p}，宏站集合C_m＝{m₁,m₂,...,m_β}，发送功率均为P_m，微微站集合C_p＝{p₁,p₂,...,p_ρ}，其发送功率可调，最大发送功率限制为迭代次数和重新初始化次数分别记为t、s，最大迭代次数和最大重新初始化次数分别为t_iter、t_res，当前迭代次数t＝0，重新初始化次数s＝0；

第一步：设置多种微微站候选发送功率集合和功率调整尺度集合，随机初始化N种微微站候选发送功率集合Pⁱ(t)(i＝1,2,...,N)及功率调整尺度集合Sⁱ(t)(i＝1,2,...,N)，其中每个候选发送功率集合和功率调整尺度集合包含ρ个微微站的候选发送功率和功率调整尺度，即 微微站的候选发送功率和功率调整尺度需满足

第二步：计算各候选功率集合对应的系统吞吐量，针对当前每个候选功率集合Pⁱ(t)，用户u(u∈U)计算其接收到的来自各个站点的参考信号接收功率RSRP_u,c(u∈U,c∈C)，选择RSRP最大的小区作为其服务小区，记为C_u，并利用其与各站点间信道增益G_u,c、占用带宽W_u和噪声功率N₀，计算其在每个候选功率集合下的可达速率进而根据下面公式(1)计算得到每个候选功率集合对应的系统吞吐量T(Pⁱ(t))，

$T\left(P^i\right(t\left)\right)={\mathrm{\Σ}}_{u\∈U}{r}_u^i\left(t\right)={\mathrm{\Σ}}_{u\∈U}{W}_u^i{\log }_2(1+\frac{P_{C_u}^i\left(t\right)G_{u,C_u}}{{\mathrm{\Σ}}_{C_I\∈C,C_I\≠C_u}{P}_{C_I}^i\left(t\right)G_{u,C_I}+N_0})---\left(1\right)$

第三步：记录自身和全局最优发送功率集合，若t＝0，将当前各发送功率集合作为自身最优集合，记为P_s ⁱ(0)，P_s ⁱ(0)＝Pⁱ(0)，比较上一步得到的所有候选集合对应的吞吐量，将吞吐量最大的集合作为当前全局最优集合，记为P_g(0)，若t≠0，将上一步得到的各集合系统吞吐量与上一次迭代自身及全局最优吞吐量做比较，若对T(Pⁱ(t))＞T(P_s ⁱ(t-1))，则更新自身最优功率集合P_s ⁱ(t)＝Pⁱ(t)，否则P_s ⁱ(t)＝P_s ⁱ(t-1)；若maxT(P_s ⁱ(t))＞T(P_g(t-1))，则更新全局最优功率集合否则P_g(t)＝P_g(t-1)；由于P_s ⁱ(t)以及P_g(t)是由Pⁱ(t)替换得到，因此T(P_s ⁱ(t))以及T(P_g(t))可由吞吐量计算公式(1)得到；

第四步：更新迭代次数t＝t+1；

第五步：更新功率调整尺度和候选发送功率集合，根据下列公式(2)、(3)计算新的功率调整尺度集合Sⁱ(t)和候选发送功率集合Pⁱ(t)，

Sⁱ(t)＝ωSⁱ(t-1)+c₁r₁(P_s ⁱ(t-1)-Pⁱ(t-1))+c₂r₂(P_g(t-1)-Pⁱ(t-1)) (2)

Pⁱ(t)＝Pⁱ(t-1)+Sⁱ(t) (3)

其中r₁、r₂为[0,1]区间内的随机数，为保证寻优过程的收敛性，限制惯性权重ω及加速系数c₁、c₂的取值范围：

$\left\{\begin{array}{c}0\&le;\mathrm{\&omega;}<1\\ 0\&le;c_1{r}_1+c_2{r}_2<4\\ \mathrm{\&omega;}>(c_1{r}_1+c_2{r}_2)/2-1\end{array}\right.---\left(4\right)$

第六步：判断迭代结束条件，若t＜t_iter，且所有候选功率集合与全局最优功率集合间的距离之和大于门限值ε，则回到第二步，计算各更新的候选功率集合对应的系统吞吐量并更新自身及全局最优发送功率集合；否则，进行第七步；

第七步：判断重新初始化结束条件，若s＜t_res，设置重新初始化次数s＝s+1，t＝0，重新初始化N-1种候选发送功率集合，与当前全局最优功率集合一起作为新的N种候选发送功率集合，并重新初始化N种功率调整制度，回到第二步，计算各新的候选集合对应的系统吞吐量并更新自身及全局最优发送功率集合；否则，进行第八步；

第八步：停止，按照得到的全局最优发送功率集合设置各微微站的发送功率。